机器人大脑：本体之后，大脑为核

核心观点

• 战略重心转移： 随着机器人本体硬件日趋成熟，头部厂商的战略重心正从本体硬件向“机器人大脑”延伸。硬件性能提升的边际效应递减，而大脑能力的不足导致机器人难以适应非结构化环境，大脑成为决定产品能否落地的核心变量之一。
• 头部厂商布局： 特斯拉和宇树科技等头部厂商已将机器人大脑作为研发重点。特斯拉Optimus搭载FSD芯片及神经网络算法，通过“模仿学习+强化学习”双飞轮机制驱动大脑进化；宇树科技预研物理AI机器人自进化体系，让AI大模型自主检索学术论文、自动生成控制代码。
• 行业认知： 政策与资本都聚焦于机器人大脑。2026年上半年国内具身智能赛道融资约438亿元，其中具身大脑公司吸纳222.53亿元，占比50.8%。行业层面形成新的认知：大脑是具身智能从演示走向实用的核心变量之一。

具身智能架构

• 大脑语义理解与“小脑”控制： 机器人大脑是智能机器人系统的高级决策中枢，负责处理复杂的认知任务和智能决策；机器人小脑是机器人的运动控制中枢，负责协调与平衡机器人的运动。
• 架构演进： 具身智能架构经历了从分层式到端到端式的演进。分层式架构存在泛化能力不足的问题，端到端式架构则具备高集成度与较强泛化能力，其中VLA（视觉-语言-动作模型）和世界模型成为核心。

具身智能“大脑”：从分层式到端到端式

• 分层式架构： 分层式架构由慢脑（VLM模型）和快脑（端侧小模型或运动控制模型）组成，分别负责认知决策与运动控制。该架构工程实现简单，但泛化能力弱。
• 端到端式架构： 端到端式架构主要由VLA和世界模型构成。VLM是基础，VLA是VLM的具身延伸，世界模型则聚焦物理世界的深度建模。VLA模型存在长程任务挑战，结合世界模型可实现预见、想象规划与数据扩增。

具身智能“小脑”：负责运动能力和大脑指令的实现

• 小脑功能： 小脑是整体运动控制与鲁棒性操作的核心，负责运动能力和大脑指令的实现。
• 算法训练及学习框架： 常见的算法训练及学习框架包括模仿学习和强化学习。

投资建议

• 关注港股、北交所机器人大脑公司： 仙工智能（6106.HK）、奥迪威（920491.BJ）、开特股份（920978.BJ）、新睿电子（920211.BJ）。

风险提示

• 机器人产业发展低于预期、政策变动风险、技术迭代与市场竞争加剧的风险、流动性风险、研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险等。